瑞薩發(fā)布了下一代動態(tài)可重構人工智能處理器（DRP-AI）加速器

最近的視覺AI模型必須處理動態(tài)和復雜的環(huán)境，因此在實時應用中需要更高的能效和速度。

為了滿足市場需求，瑞薩發(fā)布了下一代動態(tài)可重構人工智能處理器（DRP-AI）加速器。DRP-AI加速器提供10 TOPS/W的高功率效率，比傳統(tǒng)技術高出10倍，它可以在低功耗的傳統(tǒng)嵌入式處理器（MPU）上面運行復雜的圖像AI模型，而不需要像以前一樣采用高功耗的GPU來運行。

除了這個AI加速器外，高端RZ/V2H MPU還配備了使用動態(tài)可重構處理器（DRP）的圖像處理加速器、運行頻率高達1.8GHz的四核Linux處理器Arm Cortex-A55、雙核800MHz Arm Cortex-R8高速實時處理器和I/O處理Arm Cortex-M33子內核，采用異構多處理器配置。

動態(tài)可重構處理器（DRP）

七個基于Arm的CPU內核、下一代DRP-AI和DRP的組合，可以立即處理機械控制中的圖像識別和AI判斷結果，使其成為下一代自主機器人、自主移動機器人、無人機和其他應用的理想AI處理器。

下一代AI加速器DRP-AI

RZ/V2M、RZ/V2L和RZ/V2MA嵌入了瑞薩電子獨創(chuàng)的DRP-AI加速器，但瑞薩已將其獨創(chuàng)的AI加速器DRP-AI升級為下一代，以滿足最近的市場需求。

為了大幅提高電源效率，DRP-AI應用了INT8量化和硬件支持，用于非結構化修剪，這是傳統(tǒng)AI加速器難以實現的，以實現高達80 TOPS的推理性能和10 TOPS/W的電源效率。

下一代高能效AI加速器（DRP-AI3）：自治系統(tǒng)高級AI中的嵌入式處理速度提高10倍”白皮書

下圖1顯示了AI推理性能與其他RZ/V產品的比較。以ResNet-50為例，典型的分類卷積神經網絡（CNN）的性能比不修剪的RZ/V2L高14倍（密集模型），采用模型修剪后的RZ/V2H比RZ/V2L（密集模型）性能高45倍。

圖1 RZ/V系列AI推理性能（不包括前/后處理）

通過動態(tài)可重構處理器DRP打開CV加速

甚至在深度學習出現之前，各種方法就已被用于圖像識別和決策的應用中。OpenCV這個開源的計算機視覺庫就是這樣一個例子。即使現在有了AI圖像處理，OpenCV仍然是一項非常有用的技術。Vision AI和OpenCV現在都在適當的場景一起使用。

為了加速AI和OpenCV等各種圖像處理算法，RZ/V2H MPU設計了與DRP-AI分離的動態(tài)可重構處理器，為OpenCV加速器提供DRP庫，充分利用其靈活性。

圖2比較了具有DRP的OpenCV加速器與RZ/V2H四核CPU的性能。例如，通過使用DRP加速，用于圖像邊緣檢測的Sobel濾波器從7.6fps提高到123fps的速度，提高了16倍。

圖2 OpenCV加速器性能基準測試

AI異構配置+高速實時控制

雖然快速多核Linux處理器是圖像AI的最佳選擇，但它需要大量的內存資源，并且很難實現機械控制所需的亞毫秒級實時性能。

為了解決這個問題，RZ/V2H使用四核Cortex-A55來運行包括AI處理在內的Linux程序，并使用專用的高速實時處理器在需要高實時性能的應用（如電機控制）中進行RTOS處理。

通過使用OpenAMP進行處理器間不同操作系統(tǒng)的通信連接，DRP-AI和Linux處理器做出的決策結果可以反映在RTOS處理器的實時機械控制中。

圖3 RZ/V2H框圖

具有這些獨特功能的RZ/V2H嵌入式AI微處理器已投入量產，RZ/V2H評估板也可用于快速啟動您的下一個視覺AI開發(fā)。

審核編輯：劉清